隨著人工智慧（尤其是生成式 AI、大型語言模型 LLM）技術的快速發展，越來越多人開始使用各種 AI 工具來提高工作效率和生產力。然而，從 ChatGPT 問世之後，AI 的模型與工具更新實在太過快速，對於完全沒有使用過 AI 工具的人來說，面對琳瑯滿目的 AI，更多的反而可能是困惑、不知該如何開始使用。
我是一直對過多的 AI 工具感到眼花撩亂的人，明明 ChatGPT 已經火紅一陣子了，但新玩意推陳出新太快、跟不上，所以拖延到 2024 年才認真開始學習如何用 AI 工具提升生產力。在本篇文章中，我將根據我個人的學習經驗提出三大 AI 應用建議，包括：任務導向、AI 優劣勢分析、以及從搜尋引擎轉變到 AI 的工作方法改革，幫助你更快速地從零開始順利使用 AI 工具、並真正提升工作效率。
目錄
任務導向：搞清楚要 AI 做到什麼事
錘子定律：「如果你有的只是一個錘子，那麼所有的東西看起來都像一個釘子」
馬斯洛《科學的心理學》
AI 工具如雨後春筍推陳出新的現在，最容易陷入 FOMO 或錘子定律的思考偏誤。在社群平台上不斷看到新的 AI 工具，每一個都想試一試、或者收藏進筆記，深怕自己一旦漏看了哪一個新的 AI 就會跟不上時代，卻終究只徒增焦慮，畢竟，AI 模型與工具的確是越新越厲害，但不代表新工具一定對你的生產力更有幫助。
在開始使用 AI 工具之前，最重要的是先思考自己究竟想要達成什麼任務、或者解決什麼問題。不需要盲目地學習一大堆 AI 工具，而是該先搞清楚自己想要做到什麼事，再依照自身需求尋找適合的 AI 來協助，才能讓 AI 有效產生助益。
剛起步這種「任務導向」思維時，筆者好豪採用一個非常簡單的方法：打開我的待辦清單（TODO list）看看我接下來要做什麼，並嘗試尋找 AI 工具幫我完成這些事。TAAFT 就是個找尋 AI 工具的好用網站。例如，我找到一個從去年放到現在都還沒做的工作項目—將某一場公開演講擷取成如同 這個 YouTube Shorts 的短片形式、希望讓更多人看到，根據此任務目標，我到 TAAFT 網站搜尋「Video Editting」關鍵字，確實找到 Munch AI 可以一鍵把超長影片剪輯成幾個簡短的精華片段、還自動加上字幕，完全符合我的需求，我可以省下一大堆學習影片剪輯與上字幕的時間，解決這個陳年的待辦工作。
除了用待辦清單來思考未來要完成的任務，我也會回顧自己過去都把時間花在哪裡？有沒有什麼工作事項是可以用 AI 工具來提升效率的？上週行事曆的行程是否有 AI 可以輔助的工作？
例如，我查看了 iPhone 的螢幕使用時間，看到自己上一週總共花了 4.5 個小時在看 YouTube 影片，我就進一步到 YouTube 查看自己最近看了什麼影片，發現（除了很多是在看搞笑影片傻笑以外）有 2 小時左右的時間是在看技術分享的錄影。
比我以為的時數多好多 (･_･;
（來源：好豪自己的 iPhone 螢幕使用時間）
回顧花費時間後，我開始發想：「長達一個小時以上的影片，我能不能用 AI 工具節省學習時間？」，清楚產生出這項需求、並搜索解方後，我學會用 Google Gemini 可以直接幫我摘要 YouTube 的長影片，或者也能用 Glasp 幫我自動生成影片字幕、再交給 ChatGPT 幫我摘錄重點，這幾種方法都幫我大大增加看技術分享長影片的學習以及做筆記效率。有針對性的尋找工具，我的生產力從明天就立刻獲得提升。
至於類似「20 個超好用必備 AI 工具」這種標題的影片或文章，看再多都不見得對生產力有實質幫助，少看就少焦慮！
了解 AI 的優劣勢：需不需要、以及敢不敢把任務託付給 AI？
「知己知彼，百戰百勝」，上個小節提到找出想達成什麼任務是知己，理解 AI 工具的優劣勢則是知彼。
直到 2024 年撰文的現在，AI 或 LLM 還沒有完美到樣樣精通，因此，認識生成式 AI 的優劣勢，對於辨別 AI 是否真的適合我們使用非常重要。目前 AI 普遍被認為的優缺點如下：
| 優勢 | 劣勢 |
| 資訊無遠弗屆，熟悉任何領域的知識 能夠整合並引用網路上的最新資訊（RAG） 快速發想新點子 流暢地切換語言 | 答覆內容不保證 100% 準確（AI Hallucination 幻覺） 回答可能存在偏見（Bias），例如 Gemini 生成圖片的 烏龍 不擅長數學式這種特殊符號的表達 |
大多使用者都尤其會強調 AI 還不能解決幻覺與偏見的這項缺點，據此，我個人會這一句話總結 AI 工具的優劣勢：
AI 工具（大型語言模型 LLM）最適合用來加速你已經會的工作
我嘗試在工作和生活中使用 AI 工具後，最常見、並且對我而言真正實用的用途是：發想、規劃、以及筆記摘要。AI 適合幫助我發想與尋找靈感，例如寫部落格文章，我做不到隨時文思泉湧，而 LLM 可以很快提出多種不同角度的想法，它提出的某些點子偶爾（因為幻覺）不正確也沒關係，能讓我減少 認知負荷、找到每個段落大致上要寫什麼就已是極大幫助；AI 也適合規劃流程，若是自己從白紙開始發想一個計畫，總是會丟三落四的、漏掉某些關鍵流程；筆記摘要幾乎是我最常使用 AI 的情境，像是很長的線上課程影片，我總會請 LLM 幫我摘要，一方面複習，另一方面是檢查是否有要點被我忽略、沒寫進筆記。
以上三個 AI 使用情境：發想、規劃、筆記摘要，都以「我已經熟悉這些工作」為前提，我必須一眼就能看出 AI 講的是對是錯。舉例而言，我如果完全沒看過某部演講影片，而只依賴 AI 幫我節錄出摘要的內容，我有可能會錯過演講中的某些沒被 AI 摘要到的重要觀點、或是 AI 對演講的解讀錯誤而造成我誤會。我終究只會拿 AI 省力氣，而不會讓 AI 完全取代我的思考流程。
寫到這，我特別想探討使用 AI 工具輔助學習是否可行。我是個會刻意花時間學習新知的知識焦慮患者，然而，我不太敢（只）用 AI 來學習我完全不熟悉的領域，從零開始學習的基礎知識非常重要，如果 LLM 產生幻覺，給我有偏誤的資訊、我又看不出來，反而開始累積錯誤的知識。目前，如果要用 AI 來幫助我認真地研究領域知識，我會特別選擇重視有憑有據（Grounded）的 AI，像是 Perplexity 或 NotebookLM，這兩個 AI 工具都能夠明確指出每個答覆是引用自哪個資料來源，我得以根據資料來源的權威程度，決定我該不該信任這項答覆，避免自己學歪。
（延伸閱讀：NotebookLM 介紹，重視資訊透明度、超可靠的 AI 學習研究助理）
（圖片來源：Perplexity）
也因為 AI 與 LLM 不是做什麼事都完美無缺，我從 AI 教學專家 Dave Birss 的線上課程中學到，拆解任務是實踐用 AI 工具提升工作效率的重要技巧。把整個任務或專案全都託付給 AI 顯然是不切實際的，我們應該要把一項任務盡量拆解成多個子任務（sub-tasks）或步驟，這些子任務有些適合用 AI 來輔助、有些高度仰賴人工，Dave Birss 建議把每個子任務分成純 AI 自動化、純人工、以及混合（人工加上 AI 輔助）三個類別，這個分類需要透過親身實驗後自主判斷，每個子任務都找對應的 AI 工具來試試看自己想不想使用 AI 幫忙、還是寧願親力親為。
子任務拆解的越細，越有可能找到精準做到該任務的好用 AI 工具。以下圖示是以設計演講投影片為例，「尋找圖片搭配」正是完全可以用 AI 省下很多時間的子任務，我以前要是想在投影片放上一張貓咪駕駛巴士的天馬行空圖片，要在網路上搜尋好久、還不見得找得到，現在用 Midjourney 寫上我的要求，什麼荒唐情境的圖片都畫得出來！
（圖片來源：Dave Birss）
改變搜尋思維：跟人工智慧「對話」
我們已經非常習慣，需要任何資訊時就到搜尋引擎「Google」一下，即使 AI 逐漸成熟後，能做到的事情非常多，也不代表搜尋引擎會完全被 AI 取代，它們會彼此互補而並存。因此，我們需要思考怎麼有效使用 AI，以超越 Google 搜尋引擎就能做到的事。
跟 Google 搜尋關鍵字不同，使用 AI 更像是「跟朋友聊天」
脈絡（Context，亦即背景資訊或補充說明）是讓 AI 發揮實力的關鍵。使用者提供越多脈絡，AI 越知道該如何幫助你。使用搜尋引擎找資料的時候，我們通常只會輸入一、兩個關鍵詞；但 AI 不只是找資料、更是要完成特定任務，所以提供脈絡至關重要，開發 Gemini 模型的團隊曾 研究 使用者給的 Prompt（提示），發現有效達成任務的成功 Prompt 平均有 21 個英文字詞（大約是中文的至少 3 句話）。想跟 AI 合作完成任務，就像是和朋友聊天一樣，我得說出我有什麼煩惱、為什麼會有這個問題、希望解決方案長什麼樣子等等，這當然必須要好幾句話的溝通才能做到。
但是，如何跟 AI 聊天、引導它理解我們的需求，存在一些技巧，也就是現在 AI 使用者們積極討論的 Prompt Engineering。我初學 Prompt Engineering 覺得眼花撩亂、有點恐慌，因為好多資源對於怎麼寫好 Prompt 都會給很多不同建議。我個人覺得 Google Gemini 給的 高效寫 Prompt 指南 是我看過最淺白、好上手的，它長達 40 頁，以下是筆者好豪自己從這份指南摘要出幾個最實用的入門 Prompt 技巧：
PTCF 框架
擔心寫出來的 Prompt 不夠全面嗎？指南 建議用簡單的 PTCF 框架，確保自己跟 AI 溝通時有涵蓋四大面向：
- Persona：角色設定，你希望 AI 擔任的視角
- Task：要達成的目標、想完成什麼任務
- Context：更多背景與脈絡資訊，或者是限制
- Format：提供回答的格式與形式（例如想要段落還是條列式）；
一個 Prompt 如果能包含這個 PTCF 框架，輕輕鬆鬆就能超越前面提到的「21 個英文字詞」長度，給 AI 充足資訊來幫你。由於 AI 不怕囉唆、只怕你的提示太少，我還曾聽聞一個小偏方是建議用語音輸入而不是打字，用嘴巴講的時候，會很自然地提供超級多的脈絡資料給 AI，通常 Prompt 效果會更好。
（來源：Google Gemini Prompt Guide）
Google Gemini 的個人助理功能 Gem（類似 ChatGPT 的 GPTs 功能），就是利用 PTCF 框架在設計提示詞、來高效產生個人化的 Gemini 回覆。非常推薦你到 Gemini 的 此頁 Gem 設計訣竅 認識更多 PTCF 框架寫 Prompt 的真實範例，學習這些 PTCF 的範例不只是提升 Gem 功能的成效、也能幫助你在使用任何 AI 工具時都寫出更快更好的提示詞。
善用此框架來寫提示詞，使用任何 AI 工具都會更有效率
（表格來源：Gemini 官方文件）
別期待一次 Prompt 就完工
要完成一項任務，本來就需要一連串的討論，想在一次問答（一個 Prompt）完成一個任務不太實際，對吧？
現在的 AI 工具大多都具有一個（和搜尋引擎非常不同的）強大特性：AI 記得你之前說過什麼，與 LLM 協作工作，要利用這個特性，練習用一連串對話的方式，一步步達成任務目標。指南 內不斷強調的「iteration」，就是鼓勵使用者多跟 LLM 來回討論。
例如「我該怎麼創業」肯定是個沒什麼用的 Prompt，哪可能一次 Prompt 解答你所有面向的創業問題？更好的 Prompt 應該像以下這樣一層層對談：
- 「我曾有 5 年在 … 部門工作的經驗，請給我幾個創業點子讓我選擇」
- 「我決定以 … 創業，我該怎麼思考我的優劣勢、以判斷自己是否適合創業？」
- 「請精簡介紹以 … 創業的長期戰略計劃，包括商業策略、人才經營、與財務規劃」
- 「以 … 創業的初期，該達成的關鍵目標是什麼？要投入多少時間與資本？」
如果對談（iteration）的過程，發現 AI 會偏離你的任務目標，直接問 AI 它需要什麼，也是一項好用技巧，例如：
- 「我想達成 …，我該提供你什麼資訊，以幫助你給出更好的回覆？」
- 「…, you can ask me some questions.」
我們與 AI 對話可以更輕鬆，不怕遺漏某些面向沒有考慮到
（圖片來源：ChatGPT）
不用每次寫 Prompt 都完全從零開始
AI 再怎麼厲害，若是提供脈絡資訊不足、則難以發揮威力，但人終究是懶，使用者要是每次都完全空白開始想怎麼寫 Prompt，還是會嫌麻煩吧。我目前會用兩個簡單的方法，來讓自己寫 Prompt 更省事。
第一，善用檔案上傳功能，像是 NotebookLM 可以上傳 PDF 文件、圖片、Google 簡報等，比起自己手動輸入脈絡資訊，直接上傳檔案給 AI 當參考資料就方便多了。若你正在研究某公司過去三年業務方向轉變，自己在 Prompt 手動寫公司發展歷程怎麼可能寫得完！乾脆上傳一大堆該公司財務報表給 NotebookLM，不止 AI 從文檔得知的背景資訊會更完善、回答還會更有憑有據（Source-Grounded）。
第二個方法，就是抄！直接拿大家常用的 Prompt 模板來用，Dave Birss 提供的 Prompt 模板 還有 Anthropic 的 Prompt Library 都是我經常用來參考的，通常熱門模板都會符合前述的 PTCF 框架，能幫自己省下動腦想 Prompt 的力氣。直接把好用模板複製貼上到 LLM，快速開啟第一個提示，剩下的就通過對話的方式陸續達成任務。
結語
AI 技術的發展步伐飛快，相信在不久的將來，AI 將會在各個領域發揮更加重要的作用，懂得「使用 AI 工具」勢必成為現在與未來的必備技能。只不過，AI 功能雖然強大，我們仍得正確地使用才能發揮其最大效益。
在我的經驗中，這篇文章介紹的：任務與解決問題導向、理解 AI 優劣勢而不矇著眼使用 AI、區分搜尋引擎與 LLM 用法差別，這三項是我實踐應用 AI 後、最重要的思維轉變。希望我的經驗能幫助你更好地了解 AI 工具，並在工作和生活中享受它們帶給我們的生產力躍進。
最後，筆者目前最愛用的 AI 工具是 NotebookLM，它對我的個人學習與職場辦公都產生超大的幫助，推薦你看看 NotebookLM 的 入門介紹 或是 職場應用案例，我相信它對你的工作與學習生產力肯定也會是個好助手！
延伸學習：《AI 時代人人必學：用 ChatGPT 全面升級你的工作流程》HaHow 線上課程
這篇文章有幫助到你的話，歡迎追蹤好豪的 Facebook 粉絲專頁 或者 Threads 帳號，未來我會持續分享我學習使用 AI 工具的心得；也推薦你點選下方按鈕，把此文章分享給對 AI 有興趣的朋友們。
